TEDMED 2009
Eric Dishman: Take health care off the mainframe
אריק דישמן: הוציאו את שירותי הבריאות מהמערכת המרכזית
Filmed:
Readability: 4
439,060 views
ב- TEDMED, אריק דישמן יוצא בהצהרה נועזת: מערכת הבריאות האמריקאית דומה להפליא למחשוב בסביבות שנת 1959, כבולה למערכות מרכזיות גדולות ומסורבלות: בתי חולים, רופאים, מוסדות סיעודיים. ככל שהאוכלוסיה שלנו מזדקנת חובה, לדעתו, ליצור מערכות בריאות ביתיות, אישיות ומרושתות.
Eric Dishman - Social scientist
Eric Dishman does health care research for Intel -- studying how new technology can solve big problems in the system for the sick, the aging and, well, all of us. Full bio
Eric Dishman does health care research for Intel -- studying how new technology can solve big problems in the system for the sick, the aging and, well, all of us. Full bio
Double-click the English transcript below to play the video.
00:15
If you think about the phone --
0
0
2000
אם אתם חושבים על הטלפון -
00:17
and Intel has tested
1
2000
2000
ואינטל בחנה
00:19
a lot of the things I'm going to show you,
2
4000
2000
הרבה מהדברים שאני עומד להראות לכם,
00:21
over the last 10 years,
3
6000
2000
במרוצת 10 השנים האחרונות,
00:23
in about 600 elderly households --
4
8000
2000
בבתיהם של כ-600 קשישים -
00:25
300 in Ireland, and 300 in Portland --
5
10000
3000
300 באירלנד, 300 בפורטלנד -
00:28
trying to understand: How do we measure
6
13000
2000
בניסיון להבין איך אנחנו מודדים
00:30
and monitor behavior
7
15000
2000
ומפקחים על התנהגות
00:32
in a medically meaningful way?
8
17000
2000
באופן רפואי משמעותי?
00:34
And if you think about the phone, right,
9
19000
2000
אם אתם חושבים על הטלפון, כן
00:36
it's something that we can use for some incredible ways
10
21000
2000
זה משהו שאנחנו יכולים להשתשמש בו בדרכים שלא ייאמנו
00:38
to help people actually take the right medication at the right time.
11
23000
3000
כדי לעזור לאנשים ליטול את התרופות שלהם בזמן.
00:41
We're testing these kinds of simple
12
26000
2000
אנחנו בוחנים סוגים פשוטים
00:43
sensor-network technologies in the home
13
28000
2000
של טכנולוגית חיישני רשת ביתיים
00:45
so that any phone that a senior is already comfortable with
14
30000
2000
כך שכל מכשיר טלפון שקשישים רגילים אליו
00:47
can help them deal with their medications.
15
32000
2000
יוכל לעזור להם לקחת תרופות.
00:49
And a lot of what they do is they pick up the phone,
16
34000
2000
ומה שהם צריכים לעשות זה בעיקר להרים את השפופרת,
00:51
and it's our system whispering to them which pill they need to take,
17
36000
3000
והמערכת שלנו לוחשת להם אילו תרופות הם צריכים לקחת,
00:54
and they fake like they're having a conversation with a friend.
18
39000
3000
בעוד הם מעמידים פנים שהם מנהלים שיחה עם חבר.
00:57
And they're not embarrassed by a meds caddy that's ugly,
19
42000
2000
והם לא מובכים ממגש תרופות מכוער,
00:59
that sits on their kitchen table and says,
20
44000
2000
שיושב על שולחן המטבח שלהם ואומר,
01:01
"I'm old. I'm frail."
21
46000
2000
"אני זקן. אני חלש."
01:03
It's surreptitious technology
22
48000
2000
זוהי טכנולוגיה נסתרת
01:05
that's helping them do a simple task
23
50000
2000
שעוזרת להם לעשות את המטלה הפשוטה
01:07
of taking the right pill at the right time.
24
52000
2000
של לקחת את התרופה הנכונה בזמן הנכון.
01:09
Now, we also do some pretty amazing things with these phones.
25
54000
3000
עכשיו, אנחנו גם עושים דברים די מדהימים עם הטלפונים האלה.
01:12
Because that moment when you answer the phone
26
57000
3000
מכיוון שהרגע בו אתם עונים לטלפון
01:15
is a cognitive test every time that you do it.
27
60000
3000
הוא מבחן קוגניטיבי כל פעם מחדש.
01:18
Think about it, all right? I'm going to answer the phone three different times.
28
63000
3000
חישבו על זה רגע, בסדר? אני עומד לענות לטלפון בשלושה אופנים שונים.
01:21
"Hello? Hey."
29
66000
2000
"הלו? היי."
01:23
All right? That's the first time.
30
68000
3000
בסדר? זו היתה הפעם הראשונה.
01:26
"Hello? Uh, hey."
31
71000
4000
"הלו? או, היי."
01:30
"Hello? Uh, who?
32
75000
4000
"הלו, אה, מי?
01:34
Oh, hey."
33
79000
3000
או, היי."
01:37
All right? Very big differences
34
82000
3000
בסדר? יש הבדלים משמעותיים
01:40
between the way I answered the phone the three times.
35
85000
3000
באופן בו עניתי לטלפון בכל אחת מהפעמים.
01:43
And as we monitor phone usage
36
88000
2000
וכשאנחנו מנטרים שימוש בטלפון
01:45
by seniors over a long period of time,
37
90000
3000
בקרב קשישים לאורך תקופה ארוכה,
01:48
down to the tenths of a microsecond,
38
93000
2000
בדיוק של עשיריות מיקרו-שניה,
01:50
that recognition moment
39
95000
2000
רגע הזיהוי הזה
01:52
of whether they can figure out that person on the other end
40
97000
2000
האם האדם בצד השני של הקו
01:54
is a friend and we start talking to them immediately,
41
99000
2000
הוא חבר, ואנחנו מתחילים לדבר אליהם מיד,
01:56
or they do a lot of what's called trouble talk,
42
101000
2000
או שהם עושים הרבה ממה שנקרא שיחות צרות,
01:58
where they're like, "Wait, who is this? Oh." Right?
43
103000
3000
בהן הם כאילו, "רגע, מי זה? אוה" בסדר?
02:01
Waiting for that recognition moment
44
106000
2000
ההמתנה לרגע ההכרה הזה
02:03
may be the best early indicator of the onset of dementia
45
108000
2000
יכול להיות הסמן הטוב ביותר להתחלה של דמנציה
02:05
than anything that shows up clinically today.
46
110000
2000
יותר מכל מה שמופיע קלינית כיום.
02:07
We call these behavioral markers.
47
112000
2000
אנחנו קוראים לזה גורמים התנהגותיים.
02:09
There's lots of others. Is the person going to the phone
48
114000
2000
יש הרבה אחרים. האם האדם הולך לטלפון
02:11
as quickly, when it rings, as they used to?
49
116000
3000
באותה מהירות, כשהוא מצלצל, כמו בעבר?
02:14
Is it a hearing problem or is it a physicality problem?
50
119000
3000
האם זו בעיית שמיעה או בעייה פיזית?
02:17
Has their voice gotten more quiet? We're doing a lot of work with people
51
122000
2000
האם הקול שלהם נעשה יותר שקט? אנחנו עושים הרבה עבודה עם אנשים
02:19
with Alzheimer's and particularly with Parkinson's,
52
124000
3000
עם אלצהיימר ובעיקר פרקינסון,
02:22
where that quiet voice that sometimes shows up with Parkinson's patients
53
127000
3000
שם הקול השקט הזה שלפעמים מופיע בחולי פרקינסון
02:25
may be the best early indicator
54
130000
3000
יכול אולי להיות הסמן המוקדם הטוב ביותר
02:28
of Parkinson's five to 10 years before it shows up clinically.
55
133000
3000
של פרקינסון חמש עד 10 שנים לפני שהיא מופיעה קלינית.
02:31
But those subtle changes in your voice over a long period of time
56
136000
3000
אבל השינויים הזעירים האלה בקול במשך תקופת זמן ארוכה
02:34
are hard for you or your spouse to notice until it becomes so extreme
57
139000
3000
קשים עבורכם ועבור בני זוגכם להבחנה עד שהם נעשים קיצוניים
02:37
and your voice has become so quiet.
58
142000
2000
והקול שלכם נעשה כל כך שקט.
02:39
So, sensors are looking at that kind of voice.
59
144000
2000
אז, סנסורים מחפשים סוג כזה של קול.
02:41
When you pick up the phone,
60
146000
2000
כשאתם מרימים את הטלפון,
02:43
how much tremor are you having,
61
148000
2000
כמה רעד יש לכם,
02:45
and what is that like, and what is that trend like over a period of time?
62
150000
3000
ואיך הוא, ומה המגמה לאורך זמן?
02:48
Are you having more trouble dialing the phone than you used to?
63
153000
2000
האם קשה לכם יותר לחייג מכרגיל?
02:50
Is it a dexterity problem? Is it the onset of arthritis?
64
155000
3000
האם זו בעיית מיומנות? האם זו דלקת פרקים?
02:53
Are you using the phone? Are you socializing less than you used to?
65
158000
4000
האם אתם משתמשים בטלפון? האם יש לכם פחות קשרים חברתיים מבעבר?
02:57
And looking at that pattern. And what does that decline in social health
66
162000
3000
וכשמביטים בתבנית. ומה הירידה בבריאות החברתית
03:00
mean, as a kind of a vital sign of the future?
67
165000
3000
אומרת, כסוג של סימן חיוני לעתיד?
03:03
And then wow, what a radical idea,
68
168000
3000
ואז וואו, איזה רעיון רדיקלי,
03:06
we -- except in the United States --
69
171000
2000
אנחנו -- חוץ מבארה"ב --
03:08
might be able to use this newfangled technology
70
173000
3000
נהיה מסוגלים להשתמש בטכנולוגיה החדשה הזו
03:11
to actually interact with a nurse or a doctor on the other end of the line.
71
176000
3000
כדי לתקשר עם אחות או רופא בצד השני של הקו.
03:14
Wow, what a great day that will be
72
179000
2000
וואו, איזה יום נפלא זה יהיה
03:16
once we're allowed to actually do those kinds of things.
73
181000
3000
ברגע שנוכל ממש לעשות את הדברים האלה.
03:19
So, these are what I would call behavioral markers.
74
184000
4000
אז, אלה הם מה שאני קורא סמנים התנהגותיים.
03:23
And it's the whole field that we've been trying to work on
75
188000
3000
וזה כל התחום שניסינו לעבוד עליו
03:26
for the last 10 years at Intel.
76
191000
2000
בעשר השנים האחרונות באינטל.
03:28
How do you put simple disruptive technologies,
77
193000
2000
איך שמים טכנולוגיות משבשות פשוטות,
03:30
and the first of five phrases that I'm going to talk about in this talk?
78
195000
2000
והראשון מחמישה משפטים שאני עומד לדבר עליהם בהרצאה הזו?
03:32
Behavioral markers matter.
79
197000
2000
סמנים התנהגותיים משנים.
03:34
How do we change behavior?
80
199000
2000
איך אנחנו משנים התנהגות?
03:36
How do we measure changes in behavior
81
201000
2000
איך אנחנו מודדים שינוי התנהגותי
03:38
in a meaningful way that's going to help us with
82
203000
2000
בדרך משמעותית שתעזור לנו עם
03:40
prevention of disease, early onset of disease,
83
205000
2000
מניעה של מחלות, התחלה של מחלות,
03:42
and tracking the progression of disease over a long period of time?
84
207000
3000
ומעקב אחר ההתקדמות של מחלות למשך תקופת זמן ארוכה?
03:45
Now, why would Intel let me
85
210000
3000
עכשיו, למה אינטל מרשה לי
03:48
spend a lot of time and money, over the last 10 years,
86
213000
3000
להשקיע הרבה זמן וכסף, ב 10 השנים האחרונות,
03:51
trying to understand the needs of seniors
87
216000
2000
בנסיון להבין את הצורך של קשישים
03:53
and start thinking about these kinds of behavioral markers?
88
218000
2000
ולהתחיל לחשוב על סוג זה של סמנים התנהגותיים?
03:55
This is some of the field work that we've done.
89
220000
3000
זה חלק מעבודת השטח שעשינו.
03:58
We have now lived with 1,000 elderly households
90
223000
3000
עד עכשיו חיינו עם 1,000 בתי אב קשישים
04:01
in 20 countries over the last 10 years.
91
226000
2000
ב 20 מדינות ב10 השנים האחרונות.
04:03
We study people in Rochester, New York.
92
228000
2000
אנחנו חוקרים אנשים ברוצ'סטר, ניו יורק
04:05
We go live with them in the winter
93
230000
2000
אנחנו הולכים לחיות איתם בחורף
04:07
because what they do in the winter,
94
232000
2000
בגלל שמה שהם עושים בחורף,
04:09
and their access to healthcare, and how much they socialize,
95
234000
2000
והגישה שלהם לטיפול רפואי, וכמה חיי חברה יש להם,
04:11
is very different than in the summer.
96
236000
2000
שונה מאוד מהקיץ.
04:13
If they have a hip fracture we go with them
97
238000
2000
עם יש להם שבר בירך אנחנו הולכים איתם
04:15
and we study their entire discharge experience.
98
240000
2000
ואנחנו חוקרים את כל תהליך השחרור שלהם.
04:17
If they have a family member who is a key part of their care network,
99
242000
2000
אם יש להם קרוב משפחה שהוא חלק עיקרי ברשת הטיפול שלהם,
04:19
we fly and study them as well.
100
244000
2000
אנחנו טסים וחוקרים גם אותם.
04:21
So, we study the holistic health experience
101
246000
3000
אז, אנחנו חוקרים את תהליך ההבראה ההוליסטי
04:24
of 1,000 seniors over the last 10 years
102
249000
2000
של 1,000 קשישים במשך 10 השנים האחרונות
04:26
in 20 different countries.
103
251000
2000
ב20 ארצות שונות.
04:28
Why is Intel willing to fund that?
104
253000
3000
למה אינטל מוכנה לממן את זה?
04:31
It's because of the second slogan that I want to talk about.
105
256000
2000
זה בגלל הסלוגן השני שאני רוצה לדבר עליו.
04:33
Ten years ago, when I started trying to convince Intel
106
258000
2000
לפני עשר שנים, כשהתחלתי לנסות ולשכנע את אינטל
04:35
to let me go start looking at disruptive technologies
107
260000
2000
לתת לי לבדוק טכנולוגיות מפריעות
04:37
that could help with independent living,
108
262000
2000
שיוכלו לעזור עם חיים עצמאיים,
04:39
this is what I called it: "Y2K + 10."
109
264000
3000
זה מה שקראתי לו : "Y2K + 10."
04:42
You know, back in 2000,
110
267000
2000
אתם יודעים, אז בשנת 2000,
04:44
we were all so obsessed with paying attention
111
269000
2000
היינו גם כל כך מרוכזים בלשים לב
04:46
to the aging of our computers,
112
271000
2000
להזדקנות של המחשבים שלנו,
04:48
and whether or not they were going to survive
113
273000
2000
ואם נשרוד או לא
04:50
the tick of the clock from 1999 to 2000,
114
275000
2000
את תקתוק השעון מ 1999 ל 2000,
04:52
that we missed a moment that only demographers were paying attention to.
115
277000
5000
שהחמצנו את הרגע שרק דמוגרפים שמו לב אליו.
04:57
It was right around New Years.
116
282000
2000
זה היה בסביבות תחילת השנה.
04:59
And that switchover,
117
284000
2000
וההחלפה ההיא,
05:01
when we had the larger number of older people on the planet,
118
286000
3000
כשהיה לנו את המספר הגבוה יותר של אנשים מבוגרים על הכוכב,
05:04
for the first time than younger people.
119
289000
2000
בפעם הראשונה מאנשים צעירים.
05:06
For the first time in human history -- and barring aliens landing
120
291000
2000
בפעם הראשונה בהיסטוריה האנושית -- וחוץ מנחיתת חיזרים
05:08
or some major other pandemic,
121
293000
2000
או איזו התפרצות של מגפה,
05:10
that's the expectation from demographers, going forward.
122
295000
3000
זו הציפיה מהדמוגרפים, לעתיד.
05:13
And 10 years ago it seemed like I had a lot of time
123
298000
2000
ולפני 10 שנים זה נראה כאילו יש לי הרבה זמן
05:15
to convince Intel to work on this. Right?
124
300000
2000
לשכנע את אינטל לעבוד על זה. נכון?
05:17
Y2K + 10 was coming,
125
302000
2000
Y2K + 10 היה בדרך,
05:19
the baby boomers starting to retire.
126
304000
3000
הביבי בומרס התחילו לפרוש.
05:22
Well folks, it's like we know these demographics here.
127
307000
4000
ובכן חברה, אנחנו מכירים את הדמוגרפיות כאן.
05:26
This is a map of the entire world.
128
311000
2000
זו מפה של כל העולם.
05:28
It's like the lights are on,
129
313000
2000
זה כאילו האורות דולקים,
05:30
but nobody's home on this demographic
130
315000
2000
אבל אף אחד לא בבית בקשר לדמוגרפיה
05:32
Y2K + 10 problem. Right?
131
317000
2000
הבעיתית של Y2K + 10. נכון?
05:34
I mean we sort of get it here, but we don't get it here,
132
319000
4000
כלומר, אנחנו מבינים את זה פה, אבל אנחנו לא תופסים את זה פה,
05:38
and we're not doing anything about it.
133
323000
2000
ואנחנו לא עושים כלום בקשר לזה.
05:40
The health reform bill is largely ignoring
134
325000
2000
הצעת חוק הבריאות מתעלמת בכלליות
05:42
the realities of the age wave that's coming,
135
327000
2000
מהמציאות של גל ההזדקנות שמגיע,
05:44
and the implications for what we need to do to change
136
329000
2000
וההשלכות של מה שאנחנו צריכים לעשות כדי לשנות
05:46
not only how we pay for care,
137
331000
3000
לא רק איך שאנחנו משלמים עבור טיפול,
05:49
but deliver care in some radically different ways.
138
334000
3000
אלא איך לספק טיפול בצורה שונה באופן רדיקלי.
05:52
And in fact, it's upon us.
139
337000
2000
ולמעשה, זה כבר כאן.
05:54
I mean you probably saw these headlines. This is Catherine Casey
140
339000
3000
אולי ראיתם את הכותרות האלה. זו קתרין קייסי
05:57
who is the first boomer to actually get Social Security.
141
342000
3000
שהיא הבומרית הראשונה שמקבלת קיצבת זקנה.
06:00
That actually occurred this year. She took early retirement.
142
345000
2000
זה קרה למעשה השנה. היא יצאה לפרישה מוקדמת.
06:02
She was born one second after midnight in 1946.
143
347000
4000
היא נולדה שניה אחת אחרי חצות ב 1946.
06:06
A retired school teacher,
144
351000
2000
מורה בגמלאות,
06:08
there she is with a Social Security administrator.
145
353000
2000
הנה היא עם מנהל הביטוח הלאומי.
06:10
The first boomer actually, we didn't even wait till 2011, next year.
146
355000
3000
הבומרית הראשונה למעשה, לא חיכינו אפילו עד 2011, שנה הבאה.
06:13
We're already starting to see early retirement occur this year.
147
358000
3000
כבר התחלנו לראות פרישה מוקדמת השנה.
06:16
All right, so it's here. This Y2K + 10 problem is at our door.
148
361000
3000
בסדר, אז זה פה. בעית ה Y2K + 10 על מפתן דלתנו.
06:19
This is 50 tsunamis scheduled on the calendar,
149
364000
5000
זה 50 צונאמי מתוכננים על לוח השנה,
06:24
but somehow we can't sort of marshal our government
150
369000
3000
אבל איך שהוא אנחנו לא יכולים לשלוט בממשלה שלנו
06:27
and innovative forces to sort of get out in front of it
151
372000
2000
ולחדש כוחות כדי להתכונן לזה
06:29
and do something about it. We'll wait until
152
374000
2000
ולעשות משהו בקשר לזה. אנחנו נחכה עד
06:31
it's more of a catastrophe, and react,
153
376000
2000
שזה יהיה יותר קטסטרופלי ואז נגיב,
06:33
as opposed to prepare for it.
154
378000
2000
במקום להתכונן לזה.
06:35
So, one of the reasons it's so
155
380000
2000
אז, אחת הסיבות שזה כל כך
06:37
challenging to prepare for this Y2K problem
156
382000
2000
מאתגר להתכונן לבעיית Y2K הזו
06:39
is, I want to argue, we have what I would call
157
384000
2000
היא שיש לנו, במילים שלי,
06:41
mainframe poisoning.
158
386000
2000
הרעלת מיינפריים.
06:43
Andy Grove, about six or seven years ago,
159
388000
3000
אנדי גרוב, לפני בערך שש או שבע שנים,
06:46
he doesn't even know or remember this, in a Fortune Magazine article
160
391000
2000
הוא אפילו לא יודע או זוכר את זה, במאמר של מגזין פורצ'ן
06:48
he used the phrase "mainframe healthcare,"
161
393000
3000
הוא השתמש בביטוי "רפואת מיינפריים,"
06:51
and I've been extending and expanding this.
162
396000
2000
והרחבתי והרחבתי את זה.
06:53
He saw it written down somewhere. He's like, "Eric that's a really cool concept."
163
398000
3000
הוא ראה את זה כתוב היכן שהוא. והוא אמר "אריק זה קונספט מגניב."
06:56
I was like, "Actually it was your idea. You said it in a Fortune Magazine article.
164
401000
2000
ואמרתי לו "למעשה זה היה הרעיון שלך. אמרת את זה במאמר במגזין פורצ'ן.
06:58
I just extended it."
165
403000
2000
פשוט הרחבתי את זה."
07:00
You know, this is the mainframe.
166
405000
2000
אתם יודעים, זה המיינפריים.
07:02
This mentality of traveling to
167
407000
3000
המנטליות של הגעה
07:05
and timesharing large, expensive healthcare systems
168
410000
3000
ושיתוף של מערכות בריאות גדולות ויקרות
07:08
actually began in 1787.
169
413000
2000
התחילה למעשה ב 1787.
07:10
This is the first general hospital in Vienna.
170
415000
3000
זה בית החולים הכללי הראשון בוינה.
07:13
And actually the second general hospital in Vienna,
171
418000
2000
ולמעשה בית החולים הכללי השני בוינה,
07:15
in about 1850, was where we started to build out
172
420000
3000
ב 1850 בערך, היה היכן שהתחלנו לבנות
07:18
an entire curriculum for teaching med students specialties.
173
423000
4000
תוכנית שלמה ללימוד התמחויות לסטודנטים לרפואה.
07:22
And it's a place in which we started developing
174
427000
2000
וזה מקום בו התחלנו לפתח
07:24
architecture that literally divided the body,
175
429000
2000
ארכיטקטורה שממש חילקה את הגוף,
07:26
and divided care into departments and compartments.
176
431000
3000
וחילקה את הטיפול למחלקות ותאים.
07:29
And it was reflected in our architecture,
177
434000
2000
וזה השתקף בארכיטקטורה שלנו,
07:31
it was reflected in the way that we taught students,
178
436000
2000
זה השתקף בדרך בה לימדנו סטודנטים,
07:33
and this mainframe mentality persists today.
179
438000
3000
ומנטליות המיינפריים ממשיכה היום.
07:36
Now, I'm not anti-hospital.
180
441000
3000
עכשיו, אני לא נגד בתי חולים.
07:39
With my own healthcare problems, I've taken drug therapies,
181
444000
2000
עם בעיות הבריאות שלי, השתמשתי בתרופות,
07:41
I've traveled to this hospital and others, many, many times.
182
446000
3000
נסעתי לבית החולים הזה ואחרים, הרבה הרבה פעמים.
07:44
But we worship the high hospital on a hill. Right?
183
449000
4000
אבל אנחנו מעריצים את בית החולים הגבוה על הגבעה. נכון?
07:48
And this is mainframe healthcare.
184
453000
2000
וזו רפואת מיינפריים.
07:50
And just as 30 years ago
185
455000
2000
וכמו לפני 30 שנה
07:52
we couldn't conceive that we would have the power
186
457000
3000
לא יכולנו לקלוט שיהיה לנו את הכוח
07:55
of a mainframe computer that took up a room this size
187
460000
3000
של מחשבי מיינפריים שתפסו חדר בגודל כזה
07:58
in our purses and on our belts,
188
463000
2000
בתיקים שלנו ועל החגורות שלנו,
08:00
that we're carrying around in our cell phone today,
189
465000
2000
שאנחנו נושאים איתנו בסלולריים שלנו היום,
08:02
and suddenly, computing,
190
467000
2000
ופתאום מחשוב,
08:04
that used to be an expert driven system,
191
469000
2000
שהיה מערכת מונעת מקצוענים,
08:06
it was a personal system that we all owned as part of our daily lives --
192
471000
3000
הפכה למערכת אישית בבעלות כולנו בחיי היום יום שלנו --
08:09
that shift from mainframe to personal computing
193
474000
3000
המעבר הזה ממחשוב מרכזי למחשוב אישי
08:12
is what we have to do for healthcare.
194
477000
2000
זה מה שאנחנו צריכים לעשות למערכת הבריאות.
08:14
We have to shift from this mainframe mentality of healthcare
195
479000
3000
אנחנו חייבים לעבור ממנטליות המיינפריים של מערכת הבריאות
08:17
to a personal model of healthcare.
196
482000
2000
למודל אישי של בריאות.
08:19
We are obsessed with this way of thinking.
197
484000
3000
אנחנו מקובעים בדרך המחשבה הזו.
08:22
When Intel does surveys all around the world and we say,
198
487000
2000
כשאינטל עורכת סקרים בכל העולם ואנחנו אומרים,
08:24
"Quick response: healthcare."
199
489000
2000
"תגובה מהירה": מערכת הבריאות."
08:26
The first word that comes up is "doctor."
200
491000
2000
הדבר הראשון שעולה לראש הוא "רופא."
08:28
The second that comes up is "hospital." And the third is "illness" or "sickness." Right?
201
493000
3000
השני שעולה הוא "בית חולים." והשלישי "מחלה" או "חולי." נכון?
08:31
We are wired, in our imagination, to think about healthcare
202
496000
4000
אנחנו מחווטים, בדמיון שלנו, לחשוב על רפואה
08:35
and healthcare innovation as something
203
500000
2000
וחדשנות ברפואה כמשהו
08:37
that goes into that place.
204
502000
2000
שנכנס למקום ההוא.
08:39
Our entire health reform discussion right now,
205
504000
2000
כל הדיבור על רפורמת הבריאות שלנו עכשיו,
08:41
health I.T., when we talk with policy makers,
206
506000
3000
מערכות מידע רפואיות, כשאנחנו מדברים עם קובעי המדיניות,
08:44
equals "How are we going to get doctors using
207
509000
2000
שווה ל"איך אנחנו נגרום לרופאים להשתמש
08:46
electronic medical records in the mainframe?"
208
511000
2000
במסמכים אלקטרוניים בשרתים?"
08:48
We're not thinking about
209
513000
2000
אנחנו לא חושבים על
08:50
how do we shift from the mainframe to the home.
210
515000
2000
איך אנחנו עוברים מהמיינפריים אל הבית.
08:52
And the problem with this is
211
517000
2000
והבעיה עם זה היא
08:54
the way we conceive healthcare. Right?
212
519000
2000
הדרך בה אנחנו תופסים את מערכת הבריאות. בסדר?
08:56
This is a very reactive, crisis-driven system.
213
521000
2000
זו מערכת מאוד תגובתית המונעת ממשברים.
08:58
We're doing 15-minute exams with patients.
214
523000
2000
אנחנו עושים בדיקות של 15 דקות עם חולים.
09:00
It's population-based.
215
525000
2000
זה מבוסס אוכלוסיה.
09:02
We collect a bunch of biological information in this artificial setting,
216
527000
3000
אנחנו אוספים הרבה מידע ביולוגי בסביבה המלאכותית הזו,
09:05
and we fix them up, like Humpty-Dumpty all over again,
217
530000
2000
ואנחנו מתקנים אותם, כמו המפטי דמפטי,
09:07
and send them home,
218
532000
2000
ושולחים אותם הביתה,
09:09
and hope -- we might hand them a brochure, maybe an interactive website --
219
534000
3000
ומקווים -- אולי ניתן להם דפי מידע, אולי אתר אינטראקטיבי --
09:12
that they do as asked and don't come back into the mainframe.
220
537000
4000
כך שיעשו כמו שהתבקשו ולא יחזרו למיינפריים.
09:16
And the problem is we can't afford it today, folks.
221
541000
3000
והבעיה היא שאנחנו לא יכולים לממן את זה היום, חברה.
09:19
We can't afford mainframe healthcare today to include the uninsured.
222
544000
4000
אנחנו לא יכולים להרשות לעצמנו רפואת מיינפריים היום שתכלול את הלא מבוטחים.
09:23
And now we want to do a double-double
223
548000
2000
ועכשיו אנחנו רוצים לעשות כפול-כפול
09:25
of the age wave coming through?
224
550000
2000
מגל המבוגרים שמגיע?
09:27
Business as usual in healthcare is broken and we've got to do something different.
225
552000
3000
שיטת העסקים כרגיל ברפואה לא עובדת ואנחנו חייבים לעשות משהו שונה.
09:30
We've got to focus on the home.
226
555000
2000
אנחנו צריכים להתמקד בבית.
09:32
We've got to focus on a personal healthcare paradigm
227
557000
2000
אנחנו צריכים להתמקד בפרדיגמת בריאות אישית
09:34
that moves care to the home. How do we be more proactive,
228
559000
2000
שמעבירה את הטיפול לבית. איך נוכל להיות יותר פרואקטיביים,
09:36
prevention-driven?
229
561000
2000
מונעים למניעה?
09:38
How do we collect vital signs and other kinds of information 24 by 7?
230
563000
4000
איך אנחנו אוספים נתונים חיוניים וסוגים אחרים של מידע 24/7?
09:42
How do we get a personal baseline about what's going to work for you?
231
567000
3000
איך אנחנו מוצאים את קו הבסיס של אדם בקשר למה יעבוד עבורו?
09:45
How do we collect not just biological data
232
570000
2000
איך אנחנו אוספים לא רק מידע ביולוגי
09:47
but behavioral data, psychological data,
233
572000
2000
אלא מידע התנהגותי, מידע פסיכולוגי,
09:49
relational data, in and on and around the home?
234
574000
3000
מידע חברתי, בתוך, על ומסביב לבית?
09:52
And how do we drive compliance to be a customized care plan
235
577000
3000
ואיך אנחנו יוצרים הענות לתוכנית טיפול אישית
09:55
that uses all this great technology that's around us
236
580000
2000
שמשתמשת בכל הטכנולוגיה הנפלאה הזו שמסביבנו
09:57
to change our behavior?
237
582000
2000
כדי לשנות את ההתנהגות שלנו?
09:59
That's what we need to do for our personal health model.
238
584000
3000
זה מה שאנחנו צריכים לעשות למודל הרפואה הפרטי שלנו.
10:02
I want to give you a couple of examples. This is Mimi
239
587000
2000
אני רוצה לתת לכם כמה דוגמאות. זו מימי
10:04
from one of our studies --
240
589000
2000
מאחד המחקרים שלנו --
10:06
in her 90s, had to move out of her home
241
591000
2000
בשנות ה 90 שלה, היתה צריכה לעזוב את ביתה
10:08
because her family was worried about falls.
242
593000
2000
מפני שמשפחתה היתה מודאגת מהנפילות שלה.
10:10
Raise your hand if you had a serious fall
243
595000
2000
הרימו את ידכם אם היתה לכם נפילה רצינית
10:12
in your household, or any of your loved ones,
244
597000
2000
בבית, או מישהו קרוב אליכם,
10:14
your parents or so forth. Right?
245
599000
2000
הורייכם או משהו כזה. בסדר?
10:16
Classic. Hip fracture often leads to institutionalization of a senior.
246
601000
4000
קלאסי. שבר בירך מוביל רבות לאשפוז של מבוגרים.
10:20
This is what was happening to Mimi; the family was worried about it,
247
605000
2000
זה מה שקרה למימי; המשפחה היתה מודאגת מזה,
10:22
moved her out of her own home into an assisted living facility.
248
607000
3000
והעבירה אותה מביתה לדיור מוגן.
10:25
She tripped over her oxygen tank.
249
610000
3000
היא מעדה על מיכל החמצן שלה.
10:28
Many people in this generation won't press the button,
250
613000
2000
הרבה אנשים בדור הזה לא ילחצו על הכפתור,
10:30
even if they have an alert call system, because they don't want to bother anybody,
251
615000
2000
אפילו אם יש להם מערכת קריאות חרום, כי הם לא רוצים להטריד אף אחד,
10:32
even though they've been paying 30 dollars a month.
252
617000
2000
אפילו אם שילמו 30 דולר בחודש.
10:34
Boomers will press the button. Trust me.
253
619000
2000
בומרים ילחצו על הכפתור. תאמינו לי.
10:36
They're going to be pressing that button non-stop. Right?
254
621000
4000
הם ילחצו על הכפתור בלי הפסקה. בסדר?
10:40
Mimi broke her pelvis, lay all night, all morning,
255
625000
4000
מימי שברה את האגן, שכבה כל הלילה, כל הבוקר,
10:44
finally somebody came in and found her,
256
629000
2000
ובסוף מישהו בא ומצא אותה,
10:46
sent her to the hospital.
257
631000
2000
ושלח אותה לבית החולים.
10:48
They fixed her back up. She was never going to be able to move back
258
633000
2000
הם טיפלו בה. היא לא יכלה לחזור
10:50
into the assisted living. They put her into the nursing home unit.
259
635000
2000
לדיור מוגן. הם שמו אותה ביחידה סיעודית.
10:52
First night in the nursing home unit where she had been
260
637000
2000
בלילה הראשון ביחידה הסעודית בה היא היתה
10:54
in the same assisted living facility, moved her from one bed to another,
261
639000
3000
באותו בית דיור מוגן, הזיזו אותה ממיטה למיטה,
10:57
kind of threw her, rebroke her pelvis,
262
642000
2000
זרקו אותה, ושברו לה שוב את האגן,
10:59
sent her back to the hospital that she had just come from,
263
644000
3000
שלחו אותה חזרה לבית החולים ממנו היא בדיוק חזרה,
11:02
no one read the chart, put her on Tylenol,
264
647000
2000
אף אחד לא קרא את התיק שלה, ונתנו לה אקמול,
11:04
which she is allergic to, broke out, got bedsores,
265
649000
2000
שהיא אלרגית אליו, קיבלהפריחה ופצעי לחץ,
11:06
basically, had heart problems, and died
266
651000
3000
בעיקרון, היו לה בעיות לב והיא מתה
11:09
from the fall and the complications and the errors that were there.
267
654000
3000
מהנפילה והסיבוכים והשגיאות שקרו שם.
11:12
Now, the most frightening thing about this is
268
657000
4000
עכשיו, הדבר הכי מפחיד בזה הוא
11:16
this is my wife's grandmother.
269
661000
3000
שזו סבתה של אשתי.
11:19
Now, I'm Eric Dishman. I speak English,
270
664000
2000
עכשיו, אני אריק דישמן. אני דובר אנגלית,
11:21
I work for Intel, I make a good salary,
271
666000
2000
אני עובד באינטל, אני מרוויח טוב,
11:23
I'm smart about falls and fall-related injuries --
272
668000
3000
אני מבין בנפילות ופציעות נלוות --
11:26
it's an area of research that I work on.
273
671000
2000
זה תחום מחקר שאני עובד עליו.
11:28
I have access to senators and CEOs.
274
673000
3000
יש לי גישה לסנאטורים ומנכ"לים.
11:31
I can't stop this from happening.
275
676000
2000
אני לא יכול לעצור את ההתרחשות הזו.
11:33
What happens if you don't have money, you don't speak English
276
678000
2000
מה קורה אם אין לכם כסף, אתם לא דוברי אנגלית
11:35
or don't have the kind of access
277
680000
2000
או שאין לכם גישה
11:37
to deal with these kinds of problems that inevitably occur?
278
682000
3000
להתמודד עם בעיות מהסוג הזה שיקרו ללא ספק?
11:40
How do we actually prevent the vast majority of falls
279
685000
3000
איך אנחנו מונעים את רוב הנפילות
11:43
from ever occurring in the first place?
280
688000
2000
מלקרות מלכתחילה?
11:45
Let me give you a quick example of work that we're doing
281
690000
2000
הרשו לי לתת לכם דוגמה מהירה של העבודה שאנחנו עושים
11:47
to try to do exactly that.
282
692000
2000
כדי לעשות את זה בדיוק.
11:49
I've been wearing a little technology that we call Shimmer.
283
694000
3000
אני חובש סוג של טכנולוגיה קטנה שאנחנו קוראים לה שימר (נצנוץ).
11:52
It's a research platform.
284
697000
2000
זו פלטפורמת מחקר.
11:54
It has accelerometry. You can plug in a three-lead ECG.
285
699000
3000
יש לה מד תאוצה. אפשר לחבר אליו ECG של שלושה חוטים.
11:57
There is all kinds of sort of plug-and-play
286
702000
2000
יש כל מיני מכשירי חבר והפעל
11:59
kind of Legos that you can do to capture, in the wild,
287
704000
2000
כמו לגו שאפשר לחבר כדי למדוד, בחוץ,
12:01
in the real world,
288
706000
2000
בעולם האמיתי,
12:03
things like tremor, gait,
289
708000
2000
דברים כמו רעד, צורת הליכה,
12:05
stride length and those kinds of things.
290
710000
2000
אורך הצעד ודברים דומים.
12:07
The problem is, our understanding of falls today,
291
712000
4000
הבעיה היא, שבמחקר של נפילות היום,
12:11
like Mimi, is get a survey in the mail three months after you fell,
292
716000
3000
כמו אצל מימי, היא לקבל סקר בדואר שלושה חודשים אחרי שנפלתם,
12:14
from the State, saying, "What were you doing when you fell?"
293
719000
3000
מהמדינה, שאומר, "מה עשיתם כשנפלתם?"
12:17
That's sort of the state of the art.
294
722000
2000
זו קדמת הטכנולוגיה.
12:19
But with something like Shimmer, or we have something called the Magic Carpet,
295
724000
3000
אבל עם משהו כמו שימר, או משהו שנקרא שטיח הקסם,
12:22
embedded sensors in carpet, or camera-based systems
296
727000
2000
חיישנים מוטמעים בשטיח, או מערכת מבוססת מצלמה
12:24
that we borrowed from sports medicine,
297
729000
2000
ששאלנו מרפואת הספורט,
12:26
we're starting for the first time in those 600 elderly households
298
731000
3000
אנחנו מתחילים בפעם הראשונה ב600 בתי האב האלה
12:29
to collect actual kinematic motion data
299
734000
3000
לאסוף מידע תנועתי קינמטי
12:32
to understand: What are the subtle changes that are occurring
300
737000
4000
כדי להבין: מה השינויים העדינים שמתרחשים
12:36
that can show us that mom has become risk at falls?
301
741000
3000
שיכולים להראות לנו שאמא עכשיו בסכנה לנפילה?
12:39
And most often we can do two interventions,
302
744000
2000
ולרוב אנחנו יכולים לבצע שתי התערבויות,
12:41
fix the meds mix.
303
746000
2000
לתקן את תמהיל התרופות.
12:43
I'm a qualitative researcher, but when I look at these data streams coming in
304
748000
3000
אני חוקר כמותי, וכשאני מביט בזרמי המידע נכנסים
12:46
from these homes, I can look at the data and tell you the day
305
751000
3000
מהבתים האלה, אני יכול להביט במידע ולהגיד לכם את היום
12:49
that some doctor prescribed them something that nobody else
306
754000
2000
שרופא מסויים רשם להם משהו שאף אחד אחר
12:51
knew that they were on, because we see the changes
307
756000
2000
לא ידע שהם עליו, מפני שאנחנו רואים את השינויים
12:53
in their patterns in the household. Right?
308
758000
3000
בתבניות שלהם בבית. בסדר?
12:56
These discoveries of behavioral markers,
309
761000
3000
הגילויים האלה של סמנים התנהגותיים,
12:59
and behavioral changes
310
764000
2000
ושינויים התנהגותיים
13:01
are game changing, and like the discovery of the microscope
311
766000
2000
משני משחק, וכמו גילוי המיקרוסקופ
13:03
because of our collecting data streams that we've actually never done before.
312
768000
3000
בגלל שאנחנו אוספים זרמי מידע, מה שלא עשינו מעולם בעבר.
13:06
This is an example in our TRIL Clinic in Ireland
313
771000
2000
זו דוגמה במעבדת TRIL שלנו באירלנד
13:08
of -- actually what you're seeing is
314
773000
2000
של -- למעשה מה שאתם רואים הוא
13:10
she's looking at data,
315
775000
2000
שהיא מביטה במידע,
13:12
in this picture, from the Magic Carpet.
316
777000
2000
בתמונה הזו, משטיח הקסם.
13:14
So, we have a little carpet that you can look at your amount of postural sway,
317
779000
3000
אז, יש לנו שטיח קטן שבו אתם יכולים לראות את מידת הנטיה היציבתית,
13:17
and look at the changes in your postural sway over many months.
318
782000
3000
ולראות את השינויים בנטייה היציבתית במשך הרבה חודשים.
13:20
Here's what some of this data might look like.
319
785000
2000
כך נראה חלק מהמידע הזה.
13:22
This is actually sensor firings.
320
787000
2000
אלה למעשה חיישנים שיורים.
13:24
These are two different subjects in our study.
321
789000
2000
אלה שני נושאים שונים במחקר.
13:26
It's about a year's worth of data.
322
791000
2000
זה בערך שנה של מידע.
13:28
The color represents different rooms they are in the house.
323
793000
3000
הצבע מייצג חדרים שונים בהם הם נמצאים בבית.
13:31
This person on the left is living in their own home.
324
796000
2000
האיש הזה משמאל חי בבית שלו.
13:33
This person on the right is actually living in an assisted living facility.
325
798000
3000
האיש מימין חי למעשה בדיור מוגן.
13:36
I know this because look at how punctuated meal time is
326
801000
3000
אני יודע את זה כי אפשר לראות את שעות הארוחות המסודרות
13:39
when they are no longer in their particular rooms here. Right?
327
804000
3000
כשהם כבר לא בחדריהם. נכוןן?
13:42
Now, this doesn't mean that much to you.
328
807000
3000
עכשיו, זה לא אומר לכם הרבה.
13:45
But when we look at these cycles of data
329
810000
2000
אבל כשמביטים במחזורים האלה של המידע
13:47
over a longer period of time -- and we're looking at everything from
330
812000
2000
במשך תקופת זמן ארוכה יותר -- ואנחנו מסתכלים על הכל
13:49
motion around different rooms in the house,
331
814000
2000
החל מתנועות בחדרים שונים בבית,
13:51
to sort of micro-motions that Shimmer picks up,
332
816000
3000
עד למיקרו תנועות שהשימרים קולטים,
13:54
about gait and stride length -- these streams of data
333
819000
2000
על צורת הצעד ואורכו -- זרמי המידע האלה
13:56
are starting to tell us things about behavioral patterns
334
821000
2000
מתחילים להגיד לנו דברים על תבניות התנהגותיות
13:58
that we've never understood before.
335
823000
2000
שמעולם לא הבנו לפני כן.
14:00
You can go to ORCATech.org --
336
825000
2000
אתם יכולים ללכת ל ORCATech.org --
14:02
it has nothing to do with whales, it's the Oregon Center for Aging and Technology --
337
827000
3000
אין לזה שום קשר ללויתנים, זה המרכז להזדקנות וטכנולוגיה של אורגון --
14:05
to see more about that.
338
830000
2000
לקבל יותר פרטים.
14:07
The problem is, Intel is still one of the largest
339
832000
2000
הבעיה היא, אינטל היא עדיין אחד
14:09
funders in the world
340
834000
2000
מהמממנים הגדולים בעולם
14:11
of independent living technology research.
341
836000
3000
של מחקר טכנולוגיות חיים עצמאיים.
14:14
I'm not bragging about how much we fund;
342
839000
2000
אני לא מתרברב על כמה אנחנו מממנים;
14:16
it's how little anyone else actually pays attention
343
841000
2000
אלא מציין כמה מעט תושמת לב מגיעה מאחרים
14:18
to aging and funds innovation on aging,
344
843000
3000
להזדקנות ומימון חדשנות בקשר להזדקנות,
14:21
chronic disease management and independent living in the home.
345
846000
3000
ניהול מחלות כרוניות וחיים עצמאיים בבית.
14:24
So, my mantra here, my fourth slogan is:
346
849000
2000
אז, המנטרה שלי פה, הסלוגן הרביעי שלי הוא:
14:26
10,000 households or bust.
347
851000
3000
10,000 בתים או כלום.
14:29
We need to drive
348
854000
2000
אנחנו צריכים להניע
14:31
a national, if not international, Framingham-type heart study
349
856000
4000
מחקר לב ארצי, אם לא בין לאומי, מסוג פרמינגהם
14:35
of independent living technologies,
350
860000
2000
של טכנולוגיות חיים עצמאיים,
14:37
where we have 10,000 elderly connected households
351
862000
3000
בו יש לנו 10,000 בתי קשישים מחוברים
14:40
with broadband, full medical characterization,
352
865000
3000
עם חיבור פס רחב, ואפיון רפואי מלא,
14:43
and a platform by which we can start to experiment
353
868000
2000
ופלטפורמה איתה נוכל להתחיל לנסות
14:45
and turn these from 20-household anecdotal studies
354
870000
3000
ולהפוך את זה מאנקדוטה של מחקר על 20 בתים
14:48
that the universities fund,
355
873000
2000
שהאוניברסיטאות מממנות,
14:50
to large clinical trials that prove out the value of these technologies.
356
875000
3000
לניסויים קליניים גדולים שמוכיחים את הערך של הטכנולוגיות האלו.
14:53
So, 10,000 households or bust.
357
878000
2000
אז, 10,000 בתים או כלום.
14:55
These are just some of the households that we've done in the Intel studies.
358
880000
4000
אלה רק חלק מהבתים שבדקנו במחקרים של אינטל.
14:59
My fifth and final phrase:
359
884000
2000
המשפט החמישי והאחרון שלי:
15:01
I have tried for two years,
360
886000
2000
ניסיתי במשך שנתיים,
15:03
and there were moments when we were quite close,
361
888000
3000
והיו רגעים בהם היינו די קרובים,
15:06
to make this healthcare reform bill be about reform
362
891000
3000
להפוך את רפורמת הבריאות הזו לרפורמה אמיתית
15:09
from something and to something,
363
894000
2000
להשתנות מדבר אחד לדבר אחר,
15:11
from a mainframe model
364
896000
2000
ממודל המיינפריים
15:13
to a personal health model,
365
898000
2000
למודל בריאות אישי,
15:15
or to mean something more than just a debate
366
900000
2000
או להיות משהו יותר מסתם ויכוח
15:17
about the public option and how we're going to finance.
367
902000
2000
על האופציות של הציבור ועל דרכי המימון.
15:19
It doesn't matter how we finance healthcare.
368
904000
3000
זה לא משנה איך אנחנו מממנים את מערכת הבריאות.
15:22
We're going to figure something out
369
907000
2000
אנחנו נסתדר בסוף
15:24
for the next 10 years, and try it.
370
909000
2000
לעשר השנים הבאות, וננסה את זה.
15:26
No matter who pays for it,
371
911000
2000
לא משנה מי משלם על זה,
15:28
we better start doing care in a fundamentally different way
372
913000
2000
כדאי שנתחיל לספק טיפול בדרך שונה באופן בסיסי
15:30
and treating the home and the patient
373
915000
3000
ולטפל בבית ובחולה
15:33
and the family member and the caregivers
374
918000
2000
ובחבר המשפחה ובמטפלים
15:35
as part of these coordinated care teams
375
920000
2000
כחלק מצוותי טיפול מתואמים
15:37
and using disruptive technologies that are already here
376
922000
4000
ושימוש בטכנולוגיות משבשות שכבר נמצאות פה
15:41
to do care in some pretty fundamental different ways.
377
926000
3000
כדי לתת טיפול בדרכים שונות באופן בסיסי.
15:44
The president needs to stand up and say,
378
929000
3000
הנשיא צריך לקום ולהגיד,
15:47
at the end of a healthcare reform debate,
379
932000
3000
בסוף הדיון בנושא רפורמת הבריאות,
15:50
"Our goal as a country is to move 50 percent of care
380
935000
3000
"המשימה שלנו כמדינה היא להעביר 50 אחוז מהטיפול
15:53
out of institutions, clinics, hospitals and nursing homes,
381
938000
3000
החוצה ממוסדות, קליניקות, בתי חולים ובתי אבות,
15:56
to the home, in 10 years."
382
941000
2000
לבית, תוך 10 שנים."
15:58
It's achievable. We should do it economically,
383
943000
2000
זה בר השגה. אנחנו צריכים לעשות את זה בצורה כלכלית,
16:00
we should do it morally,
384
945000
2000
אנחנו צריכים לעשות את זה מסיבות מוסריות,
16:02
and we should do it for quality of life.
385
947000
2000
ואנחנו צריכים לעשות את זה למען איכות חיים.
16:04
But there is no goal within this health reform.
386
949000
2000
אבל אין שום מטרה ברפורמת הבריאות הזו.
16:06
It's just a mess today.
387
951000
2000
זה פשוט בלגן היום.
16:08
So, you know, that's my last message to you.
388
953000
2000
אז, אתם יודעים, זה המסר האחרון שלי לכם.
16:10
How do we set a going-to-the-moon goal
389
955000
3000
איך אנחנו מציבים מטרה כמו להגיע לירח
16:13
of dealing with the Y2K +10 problem that's coming?
390
958000
4000
לטיפול בבעית ה Y2K +10 שמגיעה?
16:17
It's not that innovation and technology is going to be the
391
962000
2000
זה לא שהחדשנות והטכנולוגיה עומדים להיות
16:19
magic pill that cures all, but it's going to be part of the solution.
392
964000
3000
גלולת פלא שמרפאה הכל, אבל זה יהיה חלק מהפתרון.
16:22
And if we don't create a personal health movement,
393
967000
3000
ואם לא ניצור תנועת רפואה אישית,
16:25
something that we're all aiming towards in reform,
394
970000
2000
משהו שכולנו מכוונים אליו ברפורמה,
16:27
then we're going to move nowhere.
395
972000
2000
אז לא נגיע לשום מקום.
16:29
So, I hope you'll turn this conference into that kind of movement forward.
396
974000
2000
אז, אני מקווה שתהפכו את הועידה הזו לסוג כזה של תנועה קדימה.
16:31
Thanks very much.
397
976000
2000
תודה רבה לכם.
16:33
(Applause)
398
978000
3000
(מחיאות כפיים)
ABOUT THE SPEAKER
Eric Dishman - Social scientistEric Dishman does health care research for Intel -- studying how new technology can solve big problems in the system for the sick, the aging and, well, all of us.
Why you should listen
Eric Dishman is an Intel Fellow and general manager of Intel's Health Strategy & Solutions Group. He founded the product research and innovation team responsible for driving Intel’s worldwide healthcare research, new product innovation, strategic planning, and health policy and standards activities.
Dishman is recognized globally for driving healthcare reform through home and community-based technologies and services, with a focus on enabling independent living for seniors. His work has been featured in The New York Times, Washington Post and Businessweek, and The Wall Street Journal named him one of “12 People Who Are Changing Your Retirement.” He has delivered keynotes on independent living for events such as the annual Consumer Electronics Show, the IAHSA International Conference and the National Governors Association. He has published numerous articles on independent living technologies and co-authored government reports on health information technologies and health reform.
He has co-founded organizations devoted to advancing independent living, including the Technology Research for Independent Living Centre, the Center for Aging Services Technologies, the Everyday Technologies for Alzheimer’s Care program, and the Oregon Center for Aging & Technology.
Eric Dishman | Speaker | TED.com